DeepSeek 구성에서 ML_FULL_ACCESS 역할의 역할은 무엇입니까?

역할 설명

`ml_full_access` 역할은 OpenSearch 내의 모든 ML 기능에 대한 전체 액세스를 제공합니다. 여기에는 새로운 ML 작업을 시작하고 모델을 읽고 모델을 삭제하는 기능이 포함됩니다. ML 기능을 포괄적으로 제어하여 OpenSearch [2] 내에서 ML 작업을 관리하고 실행 해야하는 사용자에게 필수적입니다.

DeepSeek과 통합

DeepSeek을 OpenSearch와 통합 할 때 'ML_FULL_ACCESS` 역할은 인증 된 엔티티가 ML 작업과 관련된 API 호출을 실행할 수 있도록하는 데 사용됩니다. 여기에는 DeepSeek에서 제공하는 것과 같은 외부 모델에 대한 커넥터 작성이 포함됩니다. IAM 역할을 'ML_FULL_ACCESS'역할에 매핑함으로써 사용자는 AWS ID가 OpenSearch [1] [3]를 통해 DeepSeek 모델과 상호 작용하는 데 필요한 권한이 있는지 확인할 수 있습니다.

구성 단계

DeepSeek과 함께 사용하기위한`ml_full_access` 역할을 구성하려면 일반적으로 다음 단계를 따릅니다.

1. IAM 역할 생성 : OpenSearch가 Sagemaker 엔드 포인트와 상호 작용하고 커넥터를 생성 할 수있는 IAM 역할을 생성합니다. 이러한 역할은 필요한 권한과 신뢰 관계를 설정하는 데 필수적입니다 [1].

2. 백엔드 역할 맵 : OpenSearch 대시 보드에서 'ML_FULL_ACCESS'역할로 이동하여 이전에 생성 된 IAM 역할 ARN을 백엔드 역할로 매핑하십시오. 이 단계는 이러한 IAM 역할을 가진 사용자가 OpenSearch [3] [6]에서 ML 기능에 완전히 액세스 할 수 있도록합니다.

3. 설정 확인 : 역할 및 권한을 구성한 후 OpenSearch 대시 보드를 통해 테스트 쿼리를 실행하여 설정이 작동하는지 확인하십시오. 이를 통해 DeepSeek 모델에 성공적으로 연결하고 ML 작업을 실행할 수 있습니다 [1].

요약하면,`ML_FULL_ACCESS` 역할은 OpenSearch에서 ML 기능을 관리하고 ML 작업을 실행하고 외부 모델에 액세스하는 데 필요한 권한을 제공함으로써 DeepSeek 모델과의 원활한 통합을 보장하는 데 필수적입니다.

인용 :
[1] https://aws.amazon.com/blogs/big-data/use-deepseek-with-amazon-opensearch-service-vector-database-and-amazon-sagemaker/
[2] https://opensearch.org/docs/latest/ml-commons-plugin/model-access-control/
[3] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_sagemaker.md
[4] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_r1_model_on_bedrock.md
[5] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/deepseek_demo_notebook_for_rag.ipynb
[6] https://opensearch.org/docs/latest/vector-search/tutorials/rag/rag-deepseek-chat/
[7] https://github.com/opensearch-project/ml-commons/blob/main/docs/tutorials/aws/rag_with_deepseek_chat_model.md
[8] https://zilliz.com/ai-faq/what-apis-does-deepseek-provide-for-model-access